信号化交叉口的分层行为预测框架
机器人学
2021-11-01 v1
摘要
道路使用者行为预测是自动驾驶轨迹规划中最关键的组成部分之一，尤其在涉及交通信号的城市场景中。本文提出一种分层框架，利用交叉口的交通信号信息预测车辆在信号化交叉口的行为。该框架由两阶段组成：离散意图预测阶段与连续轨迹预测阶段。在离散意图预测阶段，采用贝叶斯网络预测车辆的高层意图，随后利用最大熵逆强化学习离线学习人类驾驶模型；在线轨迹预测阶段，设计并更新驾驶员特征以捕捉人类驾驶员间不同的驾驶偏好。我们将所提框架应用于自动驾驶中最具挑战性的场景之一：闯红灯（黄灯）场景。论文后半部分给出了数值实验结果，显示了方法的可行性。贝叶斯网络离散意图预测的准确率为 91.1%，且预测结果随黄灯时间推移愈发准确。在闯红灯场景中，连续轨迹预测的平均欧氏距离误差仅 0.85 m。
引用
@article{arxiv.2110.15465,
title = {A hierarchical behavior prediction framework at signalized intersections},
author = {Zhen Yang and Rusheng Zhang and Henry X. Liu},
journal= {arXiv preprint arXiv:2110.15465},
year = {2021}
}
备注
This work has been accepted to the IEEE 2021 International Conference on Intelligent Transportation Systems